PLANIFICACION Y CONTROL DE INVENTARIOS:

Presentación del tema: "PLANIFICACION Y CONTROL DE INVENTARIOS:"— Transcripción de la presentación:

1 PLANIFICACION Y CONTROL DE INVENTARIOS:
PROFESOR: ARIEL LINARTE

2 PRONOSTICOS DE DEMANDA
Objetivos: Aplicar los elementos prácticos de la proyección de la demanda, tales como el método de los mínimos cuadrados mediante paquetes de computación como Win-QSB y los Promedios Móviles con hojas electrónicas de cálculo. Calcular e Interpretar elasticidades de demanda. Analizar, interpretar y utilizar la estacionalidad de las ventas, para la proyección de los pronósticos en el corto plazo. Aplicar las nociones básicas de desestacionalización de la demanda con paquetes de computadoras.

3 CONTENIDO Introducción Métodos para la elaboración de pronósticos:
1-Métodos cualitativos 2-Métodos cuantitativos Método gráfico Método de los Promedios Móviles Métodos Causales (Econométricos) Pronósticos por mes, trimestre y semestre Evaluación de los métodos de pronósticos Simulación

4 INTRODUCCION: Qué es un pronóstico? Un pronóstico es una predicción de eventos futuros que se utiliza con propósitos de planificación. Las cambiantes condiciones de los negocios como resultado de la competencia mundial. El rápido cambio tecnológico y las crecientes preocupaciones por el medio ambiente han ejercido presiones sobre la capacidad de una empresa para generar pronósticos precisos. Tales pronósticos son necesarios como un elemento auxiliar para determinar que recursos se necesitan, programar los recursos ya existentes y adquirir recursos adicionales. Los pronósticos precisos permiten que los programadores utilicen de forma eficiente la capacidad de las maquinas, reduzcan los tiempos de producción y recorten los costos

5 bienes y servicios suele variar considerablemente.
CARACTERISTICAS DE LA DEMANDA El reto de pronosticar la demanda del cliente es una tarea difícil por que la demanda de bienes y servicios suele variar considerablemente. Por ejemplo, es previsible que la demanda de fertilizante para el césped aumente en los meses de primavera y verano; sin embargo, en los fines de semana específicos en los que la demanda es mas intensa, esta depende de factores incontrolables, como el clima. Otros patrones son más previsibles. Así pues la demanda semanal de cortes de cabello en una barbería de la localidad, puede ser bastante estable de una a otra semana, aun cuando la demanda diaria sea mas intensa los sábados por la mañana y mas floja los lunes y martes. Para pronosticar la demanda en este tipo de situaciones es necesario descubrir los patrones básicos a partir de la información disponible.

6 Patrones de demanda: 1. Horizontal, o sea, la fluctuación de los datos en torno de una media constante 2. De tendencia, es decir, el incremento o decremento sistemático de la media de la serie a través del tiempo. 3. Estacional, o sea, un patrón repetible de incrementos o decrementos de la demanda, dependiendo de la hora del día, la semana, el mes o la temporada; 4. Cíclico, o sea, una pauta de incrementos o decrementos graduales y menos previsibles de la demanda, los cuales se presentan en el curso de periodos de tiempo mas largos (años o decenios); 5. Aleatorio, es decir, una serie de variaciones imprevisibles de la demanda.

7 Factores que afectan la demanda.
Factores externos: Son los factores que están fuera del alcance de la gerencia. Por ejemplo reglamentaciones de gobierno que afectan las actividades económicas, leyes que limiten la utilización de ciertas materias primas Indicadores tempranos, causaran especulación y aumento de precio en materias primas (Ej. Se anuncia escasez de acero y aumento en construcción) Indicadores coincidentes. Como cifras de desempleo, etc. Factores internos : Las decisiones internas sobre el diseño de los productos o servicios, Los precios y las promociones publicitarias, el diseño de envases, las cuotas o incentivos para el personal de ventas, etc.

8 MODELOS CUANTITATIVOS
Los modelos cuantitativos de pronósticos son modelos matemáticos que se basan en datos históricos. Estos modelos suponen que los datos históricos son relevantes para el futuro. Casi siempre puede obtenerse información pertinente al respecto

9 Métodos de series de tiempo
Para pronósticos a corto plazo, se usan mucho los métodos de series de tiempo. Una serie de tiempo es simplemente una lista cronológica de datos históricos, para la que la suposición esencial es que la historia predice el futuro de manera razonable. Existen varios modelos y métodos de series entre los cuales elegir, y que incluyen el modelo constante, de tendencia y estacional, dependiendo de los datos históricos.

10 Enfoque simple: También llamado pronostico empírico. Uno de los métodos más sencillos es usar el último dato como pronostico para el siguiente periodo. Es decir el pronóstico de la demanda para el siguiente periodo es igual a la demanda observada en el periodo actual.

11 Promedio móvil simple Promedio móvil simple. Se usa para estimar el promedio de una serie de tiempo de demanda y para suprimir los efectos de las fluctuaciones al azar. Este método resulta mas útil cuando la demanda no tiene tendencias pronunciadas ni fluctuaciones estaciónales. Implica simplemente calcular la demanda promedio para los n periodos mas recientes con el fin de utilizarla como pronostico del periodo siguiente. Para el pronostico siguiente una vez conocida la demanda, la demanda mas antigua incluida en el promedio anterior se sustituye por la demanda mas reciente y luego se vuelve a calcular el promedio.

12 Formula del promedio móvil simple:
Ft+1 = Suma de las n ultimas demandas / n = Dt + Dt Dt--2 + ………+ Dt - n + 1 Donde: Dt = demanda real en el periodo t n = numero total de periodos incluidos en el promedio F t+1 = Pronostico para el periodo t+1

13 Ejemplo: Fabrica de pastas dentales
Semana Ventas de Cajas (con 10 piezas c/u)

14 Ejercicio de fabrica de pastas dentales
a) Tomando los datos de la fábrica de pasta dental elabore un pronóstico móvil de 5 semanas para estimar cuantas cajas de pasta dental se necesitaran para la semana 11. Tenemos que F11 = ( )/ 5 = 60 cajas b) Si la demanda real en la semana 11 fue 55 cajas obtener el pronóstico móvil de 5 semanas para la semana 12 M12 = ( ) / 5 = El pronóstico es de 57.8 cajas

15 Promedio móvil ponderado:
 Es una variación del promedio móvil en la que no todos los datos tienen el mismo peso.  Esto permite que los datos que tienen mayor importancia tengan mayor peso.  Los pesos deben sumar 1  La distribución de los pesos determina la velocidad de respuesta del pronóstico

16 Ejemplo de una tienda Tal vez una tienda departamental se de cuenta de que en un periodo de cuatro meses, el mejor pronóstico se deriva utilizando 40% de las ventas reales durante el mes más reciente, 30% de dos meses antes, 20% de tres meses antes y 10% de hace cuatro meses. Si las ventas reales fueron

17 Periodos Mes 1 Mes 2 Mes 3 Mes 4 Mes 5 Ventas reales 100 90 105 95 ?
Formula Ft = W1 At-1 + W2 At-2 + W3 At-3 +……. Wn At-n + W1 = ponderación dada a la ocurrencia real para el periodo t-1 W2 = ponderación dada a la ocurrencia real para el periodo t-2 Wn = ponderación dada a la ocurrencia real para el periodo t-n n = número total de periodos en el pronósticos

18 Ejercicio: Por lo tanto el pronóstico para el mes 5 sería
F5 = 0.40 (95) (105) (90) (100) = = 97.5 Suponga que las ventas para el mes 5 resultaron ser de Entonces, el pronóstico para el mes 6 sería. F6=

19 Suavizamiento exponencial
Es un método de promedio móvil ponderado muy refinado que permite calcular el promedio de una serie de tiempo, asignando a las demandas mayor ponderación que a las demandas anteriores. Es el método de pronostico formal que se usa mas a menudo, por su simplicidad y por la reducida cantidad de datos que requiere.

20 La ecuación de este pronostico es:
Ft+1 = α(Demanda para este periodo) + (1 – α) (Pronostico calculado para el ultimo periodo) = αDt + ( 1 – α) Ft = Ft + α(Dt – Ft) Por lo tanto el pronóstico para el periodo siguiente es igual al pronostico del periodo actual mas una proporción del error del pronostico correspondiente al mismo periodo actual. La constante α toma valores entre 0 y 1 Una α cercana a uno da una alta velocidad de respuesta Una α cercana a cero da una baja velocidad de respuesta

21 Ejemplo: Utilizando el ejemplo de un centro de llamadas con promedio móvil de n=3 calcule el pronostico para la semana 13 con suavizamiento exponencial y α= .10 El pronostico para el día 13 era de 175 llamadas y la demanda real fue de 170 llamadas Ft+1 = αDt + ( 1 – α) Ft F13= .1(170) + (.9) 175= llamadas

22 Relaciones Causales. - Se emplean cuando se tienen datos históricos y la relación entre el factor que intenta pronosticar y otros factores externos o internos (ej. Actividades del gobierno o promociones publicitarias). - Las relaciones causales expresan se expresan en términos matemáticos y suelen ser en ocasiones complejas - Proveen instrumentos de pronostico refinados y son excelentes para prever los puntos de flexión de la demanda y para la elaboración de pronósticos a largo plazo.

23 Regresión Lineal Simple:
 El análisis de regresión lineal establece una relación entre una variable dependiente y una o más variables independientes.  En la regresión lineal simple hay solamente una variable independiente.  Si los datos están constituidos por una serie de tiempo, la variable independiente es el tiempo.  La variable dependiente es cualquier cosa que nosotros queramos pronosticar.

24 Ecuación de regresión:
Y = a + bX Y = variable dependiente X = variable independiente a = intercepto con eje Y b = pendiente de la línea

25 Constantes a y b Estas constantes se calculan:

26 Ejemplo:  Regresión Lineal Simple
At a small regional college enrollments have grown steadily over the past six years, as evidenced below. Use time series regression to forecast the student enrollments for the next three years.

27 Students Students Year Enrolled (1000s) Year Enrolled (1000s) 1 2
x y xy

28 Solución del ejercicio
= = = =66.5 Y = X Y7= (7) = 3.65 or 3,650 students Y8= (8) = 3.83 or 3,830 students Y9= (9) = 4.01 or 4,010 students

29 MUCHAS GRACIAS